【技术实现步骤摘要】
本专利技术涉及冲击定位，特别涉及一种复合层合结构低速冲击定位系统及方法。
技术介绍
1、相较于传统的铝、钢等材料，复合层合材料以其轻质、高强度和良好的抗疲劳特性，在航空航天、风力涡轮机及船舶制造等多个领域得到了广泛的应用。然而，在实际工程项目中，这类材料极易遭受碎石、飞鸟撞击以及制造和维修过程中工具跌落等带来的低速冲击，导致其产生不可见的内部损伤，为结构整体的平衡埋下隐患。在这一背景下，冲击定位技术作为结构健康监测过程中的关键环节，对于保障结构的稳定性至关重要。
2、冲击定位是一种被动式的结构健康监测技术，其直接利用结构自身产生的响应信号进行结构健康监测。目前，现有的冲击定位方法大多存在某一方面的缺陷。例如，基于时间差的冲击定位方法，该方法在实际工程中被广泛研究和应用，其利用波达时间差、波速和传感器位置的几何关系实现冲击定位，然而，由于冲击信号的频散特征、外界噪声以及边界反射等因素带来的干扰，该方法难以获取准确的波达时间，在实际应用中容易遭受限制；时间反转聚焦方法，该方法无需提前获取波达时间和波导结构，具有良好的聚焦能力和抗噪性能，适用于复杂的材料结构，但是该方法需要成本高昂的全波场测量设备来获取传递函数或是需要数量较多的传感器来合成聚焦信号，在一定程度上限制了该方法广泛应用；基于数据库的冲击定位方法，该方法从结构上的采样点获取参考信号以建立数据库，通过对比真实冲击信号和参考信号之间的相似度来确定冲击发生的位置，可适应较为复杂的定位环境，然而，该方法的定位精度过于依赖数据库中的数据，存在较大局限性。
3、
技术实现思路
1、技术目的
2、为了解决上述问题，本专利技术的目的在于提供一种复合层合结构低速冲击定位系统及方法，其不仅能够应用于各种复杂的材料结构，而且能够实现对冲击载荷的精准定位，该系统及方法的应用场景广泛，可以实现对复合层合结构在低速冲击条件下冲击位置的精确识别，且能够提高冲击的定位精度和效率，应用成本低。
3、技术方案
4、为了实现上述目的，本专利技术提供一种复合层合结构低速冲击定位系统及方法，其将离散小波变换和短时傅里叶变换的信号处理方法相结合来对冲击响应信号进行处理，在提取信号高频成分的基础上，实现将一维时域信号转换为二维短时傅里叶时频谱图，以展示信号在不同时间和频率上的强度分布，将densenet网络和cbam注意力机制应用于对冲击载荷的定位，解决了信号在传感节点稀疏的情况下弱冲击信号极易在一维时间尺度上被强噪声干扰淹没的问题。
5、第一方面，本专利技术提供了一种复合层合结构低速冲击定位系统，包括：
6、信号采集模块，用于获取复合层合结构试件上的冲击响应信号；
7、信号处理模块，用于对采集到的冲击响应信号执行离散小波变换和短时傅里叶变换；
8、图像增强模块，用于对短时傅里叶时频谱图进行图像增强处理；
9、模型构建模块，用于构建复合层合结构冲击定位模型；
10、冲击定位模块，用于通过复合层合结构冲击定位模型对图像数据进行冲击定位，确定冲击位置，并对预测结果进行定位误差计算及结果分析。
11、进一步的，所述信号采集模块通过应变传感器获取复合层合结构试件上的冲击响应信号。
12、进一步的，所述应变传感器的数量优选为4个，分别部署于试件上选定正方形监测区域的四个角点处，其轴向和该角点处的正方形的对角线平行。
13、进一步的，在复合层合结构的正方形监测区域上以监测区域的左下角顶点为坐标原点建立二维直角坐标系，并在监测区域上划分大小适中且分布均匀的网格以实现冲击位置的定位。
14、进一步的，通过冲击力锤对网格点进行重复多次敲击以使得所述应变传感器采集到冲击信号。
15、进一步的，所述信号处理模块通过对采集到的冲击响应信号进行离散小波分解去除所述冲击响应信号中的低频成分，对所述冲击响应信号中的高频成分执行离散小波逆变换得到一维时域重构信号，对所述一维时域重构信号执行短时傅里叶变换得到二维短时傅里叶时频谱图。其增强了冲击信号的可视化效果，有利于深度学习网络对冲击响应信号进行特征提取。
16、进一步的，对所述二维短时傅里叶时频谱图进行图像增强处理以扩大所述二维短时傅里叶时频谱图的图像数据量，从而得到图像样本数据集。
17、进一步的，所述图像样本数据集包括多组图像数据和对应的标签信息，并按照一定比例划分为训练集和验证集。
18、进一步的，选取一部分图像数据作为测试数据集，对这部分图像数据不进行图像增强处理。
19、进一步的，通过对训练集和测试集中图像数据对应的标签信息进行最大最小值归一化处理以提高模型的收敛能力和泛化能力，其中，归一化处理公式为：
20、
21、式中，为原始坐标值；为归一化后的坐标值；为原始数据的最大值；为原始数据的最小值。
22、进一步的，所述densenet-cbam模型基于densenet-121网络和cbam注意力机制实现，通过adamw优化器进行训练，学习率预设为0.001，权重衰减系数预设为1e-4，通过余弦退火调度算法调整学习率，模型训练的迭代次数预设为50，图片训练批次预设为10，并选用huber函数作为损失函数，损失函数公式为：
23、
24、式中，为真值；为预测值；为调节损失函数表达式的阈值参数，优选为3.0。
25、通过densenet的密集连接结构，增加了特征重用和信息流，确保每一层都能直接接收误差信号的反馈，并据此自我调节以优化最终的定位结果，有效削弱了实际采集中噪声的干扰，有利于提升冲击定位的精确度。通过优化模型对特征通道的选择和增强图像关键区域的表达能力，提升了回归模型的冲击定位性能以及冲击预测结果的精确度。
26、进一步的，所述densenet-cbam模型的训练过程包括：
27、(1)将图像样本数据集中彩色图像的尺寸转换为，并输入一个步长为2的卷积层对图像特征进行提取，然后输入一个步长为2的最大池化层来减小特征图的大小；
28、(2)cbam模块部署于densenet-121模型最大池化层的后置位置，和第一个denseblock模块的前置位置，所述cbam模块接收最大池化层的输出，所述cbam模块包含通道注意力模块和空间注意力模块；
29、(3)首先，进入通道注意力模块，进入全局最大池化层和全局平均池化层，得到两个一维向量，将上述两个一维向量分别送入一个共享的多层感知机中进行处理，多层感知机由两层卷积层组成，其中，第一层用于降维，第二层用于升维，以恢复原始通道数，在两层之间，存在relu激活函数和batch normalization层，将多层感知机处理后的两个向量相加，并通过sigmoid激活函数得到通道注意力权重图，将通道注意力权重图和输入特征图逐个元本文档来自技高网...
【技术保护点】
1.一种复合层合结构低速冲击定位系统，其特征在于，包括：
2.根据权利要求1所述的系统，其特征在于：
3.根据权利要求1所述的系统，其特征在于：
4.根据权利要求1所述的系统，其特征在于：
5.根据权利要求4所述的系统，其特征在于：
6.根据权利要求1所述的系统，其特征在于：
7.根据权利要求1所述的系统，其特征在于：
8.一种复合层合结构低速冲击定位方法，其特征在于：
9.一种计算机设备，包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，其特征在于：所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行权利要求8所述方法中的至少一个步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于：所述计算机程序被运行时实现权利要求8所述方法中的至少一个步骤。
【技术特征摘要】
1.一种复合层合结构低速冲击定位系统，其特征在于，包括：
2.根据权利要求1所述的系统，其特征在于：
3.根据权利要求1所述的系统，其特征在于：
4.根据权利要求1所述的系统，其特征在于：
5.根据权利要求4所述的系统，其特征在于：
6.根据权利要求1所述的系统，其特征在于：
7.根据权利要求1所述的系统，其特征在于：
8.一种复合层合结...
【专利技术属性】
技术研发人员：江文松，张思源，罗哉，冯思琪，黄传胜，杨力，卞点，程银宝，何亚雄，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。